1.简单易用的字符串模糊匹配工具：fuzzywuzzy 

（1）介绍

FuzzyWuzzy 是一个简单易用的模糊字符串匹配工具包。github 上 5K 星，它依据 Levenshtein Distance 算法 计算两个序列之间的差异。
Levenshtein Distance 算法，又叫 Edit Distance 算法，是指两个字符串之间，由一个转成另一个所需的最少编辑操作次数。许可的编辑操作包括将一个字符替换成另一个字符，插入一个字符，删除一个字符。一般来说，编辑距离越小，两个串的相似度越大。
（2）应用场景

在客户名称不规范场景下，对相似客户名称进行匹配

（3）常见用法

简单匹配（Simple Ratio）：>>> fuzz.ratio("this is a test", "this is a test!") 
        97

非完全匹配（Partial Ratio）
>>> fuzz.partial_ratio("this is a test", "this is a test!")
        100
忽略顺序匹配（Token Sort Ratio）
>>> fuzz.ratio("fuzzy wuzzy was a bear", "wuzzy fuzzy was a bear")
        91
    >>> fuzz.token_sort_ratio("fuzzy wuzzy was a bear", "wuzzy fuzzy was a bear")
        100
去重子集匹配（Token Set Ratio）
>>> fuzz.token_sort_ratio("fuzzy was a bear", "fuzzy fuzzy was a bear")
        84
    >>> fuzz.token_set_ratio("fuzzy was a bear", "fuzzy fuzzy was a bear")
        100

（4）安装及使用

安装：pip install fuzzywuzzy

使用：>>> from fuzzywuzzy import fuzz
          >>> from fuzzywuzzy import process

2.中文分词:jieba

（1）介绍

         jieba是优秀的中文分词第三方库
         - 中文文本需要通过分词获得单个的词语
         - 利用一个中文词库，确定汉字之间的关联概率
         - 汉字间概率大的组成词组，形成分词结果
         - 除了分词，用户还可以添加自定义的词组

（2）应用场景

统计某字符串中出现某些词语出现的频率，比如美国总统发言中提到了多少次中国

（3）常用方法

统计三国演义中词语次数最多的十五个名词

（4）安装及使用

安装：pip install jieba

使用：import jieba

3.词云可视化:WordCloud